空間碎片的智能識別技術研究

徐思婧

摘要：航天器如何應對飛行過程中可能的空間碎片危害是一項復雜的問題。本文對航天飛機識別空間碎片的智能檢測邏輯概念進行了探討，并對智能識別危害規避進行了分析。

關鍵詞：空間碎片、航天器、識別、碎片規避

1 概述

本文的空間碎片物體是指位于近地軌道、尺寸較大的人類空間開發活動產生廢棄物體，如遺棄的航天器、拋離的運載工具、廢棄的燃料箱、特別是意外撞擊形成的殘余體等。此類物體的體形較大，將會在地球引力的作用下最終墜入地面，但其在軌飛行期間會對正常的空間往返飛行活動造成嚴重危害。

空間碎片的智能識別技術研究是探索建立一種合適的智能工作方式，實現對空間碎片的實時探測、特征識別、危害預測、預警、規避等，確?？臻g飛行的安全。

2 空間碎片智能檢測邏輯

圖1所示為研究中的空間碎片的智能檢測邏輯結構示意圖。

空間碎片的智能檢測邏輯在概念上可分為兩個層次：第一個層次是基于先驗知識的即時響應執行，第二個層次是基于現場數據的知識生成和應用執行。先驗知識一般是通過對碎片目標信號檢測各種問題的比較與分析得出的規律性的知識，可表述為規則、定律、目標特征數據等，如碎片分類模型、碎片加速能力模型和常數、反射面積模型和常數等；對智能信號檢測技術來說，先驗知識是否具有數學意義上的充分必要性，將直接影響到對目標識別的概率及其可信度，是智能識別技術的基礎。

經驗可定義為由一組工作狀態和判別邏輯組成的數據庫，如空間碎片散布統計模型與當前航天器飛行區域、探測系統工作狀態等；經驗通常與系統當前工作狀態有關，其數據呈現某種確定性的概率分布，有關判別邏輯準則、條件、數據等亦作為經驗的一部分而設計。因此、經驗也可稱為控制性知識。

知識生成是一個綜合先驗知識、目標當前信息、以及外部支援信息的過程。知識生成的期望是對復雜不確定問題具有自適應和自學習能力，本質是對空間碎片的探測識別和航天器的運動狀態進行估計，建立碎片目標的參考運動方程。這一過程是通過對當前測量值與先驗知識之間的相對變化情況進行比較、遞推，得出估計數據，進而不斷修正、迭代目標狀態的估計值，使碎片目標的運動模型不斷得到適時更新，滿足危害預測和預警的需求。

歸納是對碎片目標的能夠觀測獲取的特征數據進行統計處理，補充先驗知識的不足，提高檢測概率。從概念技術的角度說，歸納包括：（1）信號數據預處理，既對獲取的碎片目標原始特征數據進行濾波處理，將受干擾的信息盡可能的還原，為之后的特征提取做準備的過程；（2）持征提取及特征選擇，通常假設碎片目標的特征的原始信息在預處理后數據非常離散，處于一種多維狀態。為了更好地進行檢測，往往對這些多維的數據進行降維處理，通過一定的變換將多個特征用少數的特征的線性組合來進行替換，用它來表示該類目標所具有的模式特征向量，該過程可去除掉無用或冗余的數據。如對碎片目標飛行曲線識別的特征提取，就要選擇有代表性的點集。歸納的信息處理設計為并行機制，以解決過程中的大規模實時計算問題、能同時處理定量和定性的信息、能很好地協調多種輸入信息的關系等。

決策是知識應用的過程，核心是實現對目標信號的確證檢測并輸出正確體現目標特征的檢測數據。作為智能檢測技術的決策，可分為兩類：（1）在“是”和“不是”的選擇決策狀態下，主要是根據狀態特征向量和一定的聚類方法（先驗知識類比、數據分布概率集中等）進行決策，如碎片目標危害預測等；（2）在要維持某種狀態下的決策，如對碎片目標飛行速度指向、位置角度的持續檢測等，則決策應是對狀態特征向量進行數學模型建立和現場綜合知識建立的過程，亦即是一個具有自學習功能的決策過程。

3 空間碎片智能識別危害規避

從理論上說，變軌是規避空間碎片危害的可行方法之一。但這種變軌具有不定狀態的特點，其變軌控制方式的數學結構復雜，至少需以相對碎片目標的距離、速度向量、以及加速度向量等信息為狀態變量，當這些信息精確已知時，變軌控制具有較高的效率，或者說較低的變軌代價。但在實際應用中，碎片目標的加速度向量信息是無法測量的，只能靠濾波估算得到。這樣，就必須建立一個隨機數學模型來描述其變化規律。已有很多非線性控制理論方面的新成果被應用到了類似的不定狀態制導律設計中，特別是微分對策理論在此類情形中的應用。微分對策理論的變軌控制，是根據危害預測預警的狀況，構造變軌性能指標泛函，求得最優變軌控制方法，它充分考慮如何獲取有效安全的最小變軌量，和為完成變軌所消耗的控制能量為最小，其使得變軌過程盡量按最小過載狀態機動飛行等。簡而言之，微分對策變軌控制的性能指標是使獲得安全變軌的時間短、能量小。

與變軌控制設計相關的另一個關鍵問題是碎片目標的運動模型。目前較為實用的是交互多模型濾波方法，該方法不需要建立準確的碎片目標運動模型，而是采用多個模型的組合來逼近其真實運動狀態，模型之間的轉移概率通過計算濾波殘差進行調整。交互多模型算法具有以下優點：一是由于對參數空間采用的多模型描述，可以通過適當的擴充模型來達到對建模的細化，對空間碎片目標的不確定性具有較好的模型自適應能力；其次是算法的計算量與選用的模型數幾乎是線性關系，而其性能與二階廣義偽貝葉斯算法相當，具有較好的代價可控性；第三是在濾波過程中，通過模型概率的變動實現自適應的變結構，便于并行運算處理，適合危害預測預警實時性要求。

4 結束語

適用于航天器的空間碎片的智能識別技術的研究還處于概念過程和起步階段，要形成一個初步的技術方案也還有許多問題要研究和解決。比如、對碎片目標的智能識別必須遵循一定的工作邏輯，能同時兼顧時間的限制性、任務的優先權和緊迫性。如果工作邏輯設計僅依賴于對狀態的一種初始估計，則一個狀態在判定過程中的變化意味著以那種狀態模式為基礎的邏輯設計存在不可靠因素，這種情況必須避免。

對目標的探測、識別和跟蹤是一個復雜的系統，目前、多數采用定量數學解析法與基于知識的定性方法的混合研究方式。作為期望，空間碎片智能識別技術能在非確定和不可預測的環境下，在缺少先驗知識和不完全、不精確的信息情況下，均能有效地實現工作目的。隨著應用需求的不斷發展和相關技術的不斷進步必將成為可能。

參考文獻：

1.程陶.《空間碎片預警中的碰撞概率方法研究》，空間科學學報，2006，26（6）

2.E.Taenzer.《Tracking Mutiple Targets Simultaneously with A Phased Array Radar》.IEEE Trans.OnAerospace and Electronic Systems，AES-16.1980.9：604-614

3.Gabriel M.Rebeiz著，黃慶安、廖小平譯，《RF MEMS理論？設計？技術》，東南大學出版社，2005年